استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 980
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE05_574
تاریخ نمایه سازی: 3 آذر 1392
Abstract:
بیماری پارکینسون یک بیماری مخرب دستگاه عصبی است که درآن تخریب صوتی جز اولین نشانه های بیماری پارکینسون است باتوجه به اهمیت تشخیص زودهنگام این بیماری نورولوژیکی انالیز تغییرات ایجادشده درسیگنالهای صوتی یکی ازراه کارهای مطرح درزمینه تفکیک بیماران پارکینسونی است دراین مقاله به منظورتشخیص بیماران دچارپارکینسون بااستفاده ازانالیز سیگنالهای صوتی دوراهکارمبتنی برترکیب شبکه های عصبی خودسازمان ده با الگوریتم k-means ارایه شده است درراهکارهای ارایه شده 18ویژگی اکوستیکی سیگنال صوت مربوط به سه بخش اصلی سیستم گفتاری استخراج شده اند و برای هربخش یک الگوریتم s-k استفاده شده است سپس نوعی رای گیری بین نتایج بدست امده ازهرالگوریتم انجام شده است به بیان دیگر تشخیص بیماری یاعدم بیماری با استفاده ازحداکثررای الگوریتم s-k انجام میگیرد داده های انسانی از22فرد11 فردسالم و 11 بیمار استخراج شده اند نتایج نشان داده اند که درصد طبقه بندی بدست امده بوسیله هردوراهکارارایه شده برابر 68 درصد بوده است که شبکههای خودسازمان ده بامیانگین درصد طبقه بندی 81.25 عملکردبهتری داشته اند.
Keywords:
Authors
زهره اشرف گنجویی
دانشجوی کارشناسی ارشد
حمیدرضا کبروی
استادیاردانشگاه آزاد اسلامی واحد مشهد
مریم دانشفر
دانشجوی کارشناسی ارشد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :